一、docker的概念原理参考资料：https://zhuanlan.zhihu.com/p/81693661 https://www.zhihu.com/question/506867139 https://blog.csdn.net/weixin_44751294/article/details/123191429 看过上面两个链接，就对docker是什么作用，怎么用有个大概的了解。简单摘要一些对我来说比较重要的点如下：（1）docker可以让环境配置变得简单，在多人同时使用一台服务器或者时不时换电脑换机器所有的包时都很有用（2）docker可以看
一，导出onnx模块1.1运行python.\export.py导出onnx模块 yolov7提供了简单的点对点预测，不需要再重新写NMS，非常方便，于是当然采用--end2end方法啦，命令如下图： 运行时发现没装onnx,那就安装好了1.2安装onnxcondainstall-cconda-forgeonnx但是！又出现了这个问题原因是__int__()需要2到7个参数，但给了8个参数。查看代码export.py159行，确实是8个参数：修改为义下代码： 问题解决。2，.NETC#Microsoft.ML.OnnxRuntime.GPU版调用onnx模型2.1安装onnxrunti
一，导出onnx模块1.1运行python.\export.py导出onnx模块 yolov7提供了简单的点对点预测，不需要再重新写NMS，非常方便，于是当然采用--end2end方法啦，命令如下图： 运行时发现没装onnx,那就安装好了1.2安装onnxcondainstall-cconda-forgeonnx但是！又出现了这个问题原因是__int__()需要2到7个参数，但给了8个参数。查看代码export.py159行，确实是8个参数：修改为义下代码： 问题解决。2，.NETC#Microsoft.ML.OnnxRuntime.GPU版调用onnx模型2.1安装onnxrunti
写在前面的注意事项！记得在每次搞新项目的时候先配置一个pytorch环境，或者复制已有的环境condacreate-n新环境名--clone旧环境名之后可以 condalist一下（或者condaenvlist，查看是否新建成功），看看新环境的配置怎么样~首先，如果想使用GPU版本的pytorch，那就先判断自己电脑是否有NVIDIA（英伟达），有的话才能实现之后的GPU版本的pytorch的配置判断方法：电脑左下角搜索—任务管理器—性能—看是否有GPU字眼如下图，说明我的电脑上有GPU没有的话也不用着急，不影响Anaconda和Pycharm的安装和使用，而且你可以使用CPU的Pytorch
写在前面的注意事项！记得在每次搞新项目的时候先配置一个pytorch环境，或者复制已有的环境condacreate-n新环境名--clone旧环境名之后可以 condalist一下（或者condaenvlist，查看是否新建成功），看看新环境的配置怎么样~首先，如果想使用GPU版本的pytorch，那就先判断自己电脑是否有NVIDIA（英伟达），有的话才能实现之后的GPU版本的pytorch的配置判断方法：电脑左下角搜索—任务管理器—性能—看是否有GPU字眼如下图，说明我的电脑上有GPU没有的话也不用着急，不影响Anaconda和Pycharm的安装和使用，而且你可以使用CPU的Pytorch
Pycharm中可以使用本地安装的python程序作为解释器参考文章1，CUDA与cuDNN安装教程（超详细）参考文章2，完整在pycharm上通过torch调用GPU（最细节）环境变量：一定要配置环境变量，下面是本机安装的cuda和cudnn的环境变量C:\ProgramFiles\NVIDIAGPUComputingToolkit这是CUDA默认安装路径，安装时不要修改C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.1\extras\demo_suitedemo_suite文件夹里有两个文件：bandwidthTest.exe和devi
Pycharm中可以使用本地安装的python程序作为解释器参考文章1，CUDA与cuDNN安装教程（超详细）参考文章2，完整在pycharm上通过torch调用GPU（最细节）环境变量：一定要配置环境变量，下面是本机安装的cuda和cudnn的环境变量C:\ProgramFiles\NVIDIAGPUComputingToolkit这是CUDA默认安装路径，安装时不要修改C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.1\extras\demo_suitedemo_suite文件夹里有两个文件：bandwidthTest.exe和devi
Cuda和GPU版torch安装最全攻略，以及在GPU上运行torch代码查看可用torch版本下载CUDA安装cudnn下载cudatoolkit下载GPU版本的pyTorch先查看当前有哪些Torch版本下载torch和torchvision的whl文件pipinstall安装并检查importtorch并检查是否可用的cuda版本在GPU运行torch代码GPUtorch常用指令指定device为CPU或GPU查看GPU是否可用及设备名称在GPU上建立Tensor查看内存大小和显存信息如果GPU设备可用，将默认热备改为GPU总结参考查看可用torch版本在condaprompt中检查是否
Cuda和GPU版torch安装最全攻略，以及在GPU上运行torch代码查看可用torch版本下载CUDA安装cudnn下载cudatoolkit下载GPU版本的pyTorch先查看当前有哪些Torch版本下载torch和torchvision的whl文件pipinstall安装并检查importtorch并检查是否可用的cuda版本在GPU运行torch代码GPUtorch常用指令指定device为CPU或GPU查看GPU是否可用及设备名称在GPU上建立Tensor查看内存大小和显存信息如果GPU设备可用，将默认热备改为GPU总结参考查看可用torch版本在condaprompt中检查是否
【编码推流】使用FFmpeg调用GPU编码推rtmp流1、背景2、FFmpeg调用GPU编码推流3、说明1、背景CPU编码推流的博客可以参考：【编码推流】使用FFmpeg调用CPU编码推rtmp流https://jn10010537.blog.csdn.net/article/details/123538783本博客介绍使用GPU编码推流，即使用英伟达显卡进行编码推rtmp流。注意：你需要编译ffmpeg以支持英伟达的显卡。2、FFmpeg调用GPU编码推流下面是演示使用ffmpeg调用gpu进行编码并推流到流媒体服务器上。注意：你需要编译ffmpeg以支持英伟达的显卡。#coding=utf
